目标识别第17页

【目标识别学习笔记系列】附录一、评价指标（Iou，mAP，Fps）

一、交并比物体检测需要定位出物体的boundingbox，就像下面的图片一样，我们不仅要定位出车辆的boundingbox我们还要识别出boundingbox里面的物体就是车辆。对于boundingbox的定位精度，有一个很重要的概念，因为我们算法不可能百分百跟人工标注的数据完全匹配，因此就存在一个定位精度评价公式：IOU。IOU定义了两个boundingbox的重叠度，如下图所示：矩形框A、B的

zl3090·2020-08-19 06:15

Tensorflow object detection API 搭建自己的目标识别模型

在上一期中我们搭建了目标识别的环境并且测试了自带的案例本期我们将使用自己的图片进行相应的目标识别本次我们使用Demo里面的ssd_mobilenet_v1_coco_2017_11_17进行识别，ssd_mobilenet_v1

下课别走·2020-08-19 03:13

TensorFlow+Django实现在线目标检测系统

TensorFlow+Django实现在线目标检测系统第一次写博文，觉得不好的地方大家多担待，其实一开始我也没想要做这个项目的demo，开始我只是做了基于官网提供的模型的tensorflow的目标识别demo

huangzy97·2020-08-19 02:43

Joeyos·2020-08-18 18:34

opencv3.1 提取图像中某一像素点的HSV值并判断颜色

51506776【OpenCV】HSV颜色识别-HSV基本颜色分量范围https://blog.csdn.net/qq_15947787/article/details/72784253【opencv】目标识别

Laney.W·2020-08-18 17:38

C++/OpenCV实现图像目标识别与分类

写在前面这次分享的为一个很理想的情况下的目标识别与分类，对象为螺丝、螺帽、圆环这三个东西，其实就是图一乐呵，为什么说理想化呢？看一下本文使用的实验图片。

西门吹贾·2020-08-18 16:34

高分辨率官学遥感影像舰船目标检测与识别算法研究

为了提高系统实际应用的可靠性，重点研究了海陆分离、舰船目标疑似区域检测技术与疑似区域目标识别技术。

SwordKii·2020-08-18 11:39

面向军事目标识别的DRFCN深度网络设计及实现

摘要自动目标识别（ATR）技术一直是军事领域中急需解决的重点和难点。本文设计并实现了一种新的面向军事目标识别应用的DRFCN深度网络。

SwordKii·2020-08-18 11:39

渗透测试方法论详解大全

OSSTMM）2.3.2信息系统安全评估框架2.3.3开放式Web应用程序安全项目2.3.4Web应用安全联合威胁分类2.4渗透测试执行标准2.5通用渗透测试框架2.5.1范围界定2.5.2信息收集2.5.3目标识别

Sumarua·2020-08-18 08:00

CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection---CVPR 2020

南小姐·2020-08-17 14:47

Armbian专题——YOLO目标识别

文章目录YOLO简介使用方法检测效果参考资料YOLO简介 YOLO是一个比较容易复现和搭建的目标识别算法，主要基于Darknet实现。

不懂音乐的欣赏者·2020-08-17 13:50

图像风格转移（译文）Image Style Transfer Using Convolutional Neural Networks

本文利用卷积神经网络优化后的图像表示方法进行目标识别，使高层次的图像信息更加清晰。介绍了一种艺术风格的神经算

a64506青竹·2020-08-17 11:21

【目标检测系列】CNN中的目标多尺度处理方法

视觉任务中处理目标多尺度主要分为两大类：图像金字塔：经典的基于简单矩形特征(Haar)+级联Adaboost与Hog特征+SVM的DPM目标识别框架，均使用图像金字塔的方式处理多尺度目标，早期的CNN目标识别框架同样采用该方式

深度学习技术前沿·2020-08-16 22:47

一种新的激活函数~Funnel Activation

能够用于目标检测、语义分割等目标识别任务，简

深沉的背影·2020-08-16 16:50

ROS控制kinova jaco2机械臂

机械臂为6个关节，JACO26自由度机械臂是加拿大KINOVA公司的一款产品，设计非常的精简紧凑，移动的精度很高，能在Windows和Linux下驱动，我想拿它验证一些控制算法，以及配合计算机视觉完成一些目标识别和抓取的工作

Li03·2020-08-16 14:25

描述子-FPFH&SHOT&NARF

1.shot描述子在3D点云目标识别中，除了传统的利用二维图像来辅助识别，然后映射到3D的方式；学术界在十几年前就开始研究3D点云的特征描述子。

yoga_wyj·2020-08-16 04:43

卷积神经网络(CNN)基本原理和公式推导

受生物自然视觉认知机制启发而来的.现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于该网络避免了对图像的复杂前期预处理,可以直接输入原始图像,因而得到了更为广泛的应用.可应用于图像分类,目标识别

睿享智能联盟·2020-08-16 02:47

DeepLearing—CV系列（七）——多类多目标物体的侦测——R-CNN系列

Faster-R-CNN5.1Convlayers5.2RegionProposalNetworks(RPN)5.3RoIpooling5.4Classification六、mask-R-CNN七、总结计算机视觉的任务：分类->分类+回归->目标侦测->实例分割单目标识别追踪

wa1tzy·2020-08-16 02:41

SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks

摘要作者发现，目前基于Siamese系列算法大多使用类似AlexNet的浅层网络结果进行特征提取，而直接替换为类似ResNet-50等深层网络会导致跟踪性能下降，无法像目标识别等任务一样充分发挥深度网络的优势

萤火虫啊飞呀飞·2020-08-16 01:42

YOLOv3目标识别之C语言调用

深度学习目标识别之C语言调用使用C语言对深度学习的模型进行调用，而可能是很多人目前需要的，因为使用C语言，更能满足日常开发需要，也更容易移植到到QT进行页面搭建。

爆炒小肥牛·2020-08-14 13:58

python+opencv(cv2)实现图片车牌目标识别

前两天看了几篇图像处理方面的文章，然后了解到车牌识别，是一个典型的目标提取的处理过程。然后就按照一般处理方法，进行了一些小的实验，效果不是很好，纯属好奇。仅供参考。importcv2importnumpyasnpfrommatplotlibimportpyplotaspltfromPILimportImagedefshow_pic(path):#读入图initial_img=cv2.imread(

Foneone·2020-08-14 04:16

计算机视觉领域里重要的研究方向

图像说明：计算机视觉+自然语言处理，为图像生成一个最适合图像的标题，图像检测+说明目标识别/检测：对边界框围绕目标检测体图像/实例分割：将图像划分成互不相交的区域普通分割：狗，猫，背景相互分割。

lee__7·2020-08-14 02:35

目标识别：SSD 论文及pytorch代码学习笔记

论文：https://arxiv.org/pdf/1512.02325.pdf代码：https://github.com/amdegroot/ssd.pytorch目录一介绍SSD的特点和贡献：二SSD网络结构：模型的输入与输出三模型训练matching规则训练目标（损失函数）强力挖掘（Hardnegativemining）pytorch代码学习dataset的读取网络结构的构建损失函数一介绍SS

zxd52csx·2020-08-14 00:34

目标识别：SSD pytorch代码学习笔记（4）——函数篇

风缓吹·2020-08-13 22:27

目标识别：SSD pytorch代码学习笔记（2）——先验框

先验框生成✔️SSD从Conv4_3开始，一共提取了6个特征图，其大小分别为(38,38),(19,19),(10,10),(5,5),(3,3),(1,1)，但是每个特征图上设置的先验框数量不同。✔️先验框的设置，包括尺度（或者说大小）和长宽比两个方面。对于先验框的尺度，其遵守一个线性递增规则：随着特征图大小降低，先验框尺度线性增加：其中：m指特征图个数，但是为5，因为第一层(Conv4_3)是

风缓吹·2020-08-13 22:27

目标识别：SSD pytorch代码学习笔记（1）-模型篇

网络模型整个网络是由三大部分组成：VGGBackboneExtraLayersMulti-boxLayersVGGBackbone✔️根据SSD的论文描述，作者采用了vgg16的部分网络作为基础网络，在5层网络后，丢弃全连接，改为空洞卷积网络✏️值得注意：conv4-1前面一层的maxpooling的ceil_mode=True,使得输出为38x38；Conv4-3网络是需要输出多尺度的网络层；C

风缓吹·2020-08-13 22:26

深度学习在计算机视觉中应用综述

常见的视觉任务：距离估计目标检测与跟踪物体分割目标识别内容理解下图所示就是计算机视觉任务中的物体识别的一个例子，如单一物体（图中猫）的识别，或多物体的识别（如图中的狗、猫和

Vinicier·2020-08-13 19:24

『目标检测』Yolo_v3之Pytorch版本项目详细分析

一.前言最近在学习yolo_v3项目，该项目是深度学习发展到现阶段最受欢迎的大项目之一，是多目标识别跟踪框架集大成者。yolo_v3是yolo系列之一神经网络，同时也是发展到的最优美的网络。

成龙的龙·2020-08-13 18:27

学习FPN和retinanet的网络结构

多尺度上目标识别是计算机视觉领域的一个基本挑战，解决这一挑战的基本方法就是“基于图像金字塔的特征金字塔（简称为特征图像金字塔）”，这些金字塔具有尺度不变性，可以通过扫描位置和金字塔层来检测大范围上的尺度

墨藍·2020-08-13 17:53

基于三维模型的目标识别和分割在杂乱的场景中的应用

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达在杂波和遮挡情况下，对自由形式物体的识别及分割是一项具有挑战性的任务。本文提出了一种新的基于三维模型的算法，该算法可以有效地执行该任务，对象的三维模型是从其多个无序范围图像离线自动构建的，这些视图被转换为多维，用张量表示，通过使用基于哈希表的投票方案将视图的张量与其余视图的张量匹配，这些视图之间自动建立对应关系，形成一个相对转换图，用于将视图集

3Ｄ视觉工坊·2020-08-13 12:09

目标识别：SSD pytorch代码学习笔记（3）——损失函数

损失函数✔️SSD的损失函数包括两部分的加权：位置损失函数L_loc置信度损失函数L_conf整个损失函数为：其中：N是先验框的正样本数量；c为类别置信度预测值;l为先验框的所对应边界框的位置预测值;g为groundtruth的位置参数。1.对于位置损失函数针对所以的正样本，采用SmoothL1Loss,位置信息都是encode之后的信息。2.对于置信度损失函数：首先需要使用hardnegativ

风缓吹·2020-08-13 11:44

3D点云学习：SA-SSD①

目前环境感知的结果包括：语义分割，目标识别和目标跟踪。在这里记录一下自己看过的论文，用的时候可以方便的找到。

themasterbi·2020-08-13 10:19

使用亚马逊AWS云服务器进行深度学习——免环境配置/GPU支持/Keras/TensorFlow/OpenCV

前言吐槽：由于科研任务，需要在云端运行一个基于神经网络的目标识别库，需要用到GPU加速。亚马逊有很多自带GPU的机器，但是环境的配置可折腾坏了，尤其是opencv，每次总会出各种各样的问题！

后端技术漫谈·2020-08-12 21:00

Retinanet网络解析

最近在做小目标识别的项目,对于数据不平衡的常见解决方案一个就是设置正负样本的比例来进行损失计算.还有一个就是focal_loss损失.请参考何凯文大佬的论文.说道focal_loss就去看看了开源的Retinanet

zh_JNU·2020-08-12 14:46

计算机视觉（CV）的算法有哪些，具体都有哪些特点？

目前计算机视觉主要分类有目标识别、目标检测（识别+定位）、目标分割（检测+分割），而应用层面就多了，文字描述较繁琐，简单地画了一部分，如下：而算法层面，理论上是无穷种的，同一个需

喜欢打酱油的老鸟·2020-08-12 13:52

opencv 距离变换

二值图像距离变换的概念由Rosenfeld和Pfaltz于1966年在论文中提出，目前广泛应用于计算机图形学，目标识别及GIS空间分析等领域，其主要思想是通过表识空间点(目标点与背景点)距离的过程，就是通过使用两遍扫描光栅算法可以快速计算一个图像中非零像素点到最近的零像素点的距离

风先生·2020-08-11 17:49

海思AI芯片(Hi3519A/3559A)方案学习（十五）基于nnie引擎进行推理的仿真代码浅析

由于yolo层后处理都是软件实现的，所以当待仿真的算法模型（即wk文件）改变时，尤其网络size或目标识别种类数等方面不同，下面这些参数需要在代码里面手动

ltshan139·2020-08-11 10:56

读yolo目标识别算法有感

图像识别算法是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。而对于目标检测算法来说，它的输出值更像是这样：其中:pc为1时代表有物体被检测到，反之，没有物体被检测到，因此其他的输出值可以被忽略bx目标的x坐标

T甜先生·2020-08-10 10:45

opencv14-图像分割--超像素分割与形态学分割

形态学可用于目标识别、细胞生物学、医学、粒子分析和自动显微镜。二值形态学是一个邻域计算，结构核通过定义哪些周围像素对形态有益，然后进行形态学处理。但是它是从图像二值化开始的。

ziding5827·2020-08-10 07:29

视频教程-机器学习导论(理论课程全面录制)-机器学习

参与多个人工智能领域项目，专注于机器学习与计算机视觉领域，长期参与无人驾驶汽车项目，专注研究无人驾驶领域的目标识别与跟踪，善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。

weixin_32153439·2020-08-10 02:12

第2章渗透测试方法论一篇就够了

OSSTMM）2.3.2信息系统安全评估框架2.3.3开放式Web应用程序安全项目2.3.4Web应用安全联合威胁分类2.4渗透测试执行标准2.5通用渗透测试框架2.5.1范围界定2.5.2信息收集2.5.3目标识别

Sumarua·2020-08-09 05:07

视频教程-机器学习概论--入门精讲视频-机器学习

参与多个人工智能领域项目，专注于机器学习与计算机视觉领域，长期参与无人驾驶汽车项目，专注研究无人驾驶领域的目标识别与跟踪，善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。

weixin_30385511·2020-08-08 23:43

yolov3目标识别在工业检测中的应用

本篇博客记录了一个深度学习在工业领域的应用项目。功能是检测视野范围内的零件总数，如果数量少于设定的标准数量，则报警，如果放置了不同型号的零件，同样需要报警。常规方法是用传统的图像处理的模板匹配，但使用halcon和opencv的模板匹配效果都不好，于是尝试用深度学习目标检测。效果如下图所示：识别率超过99%（可以获取到目标的个数，类别，概率，矩形框位置，可以适应一定的光照、角度、大小变化）目录：1

一棵小白杨123·2020-08-08 21:15

【目标检测_2】Ubuntu 16.04下安装TensorFlow 目标检测 API(对象检测API)

由于最近刚看了rcnn，faster_rcnn,mask_rcnn的原文，想着做一下实验，所以就如题，在ubuntu下安装TensorFlow的目标识别API！！！！

Rebecca(swust)·2020-08-08 19:47

天池：零样本目标识别新手笔记2

所用思路和上一个差不多，本篇基于天池论坛的这篇文章：Keras多分类联合训练+欧式距离迁移映射，并做了自己的处理。线上精度0.0905。没有构造如'non_1'的特征，直接使用如原来的全0特征表示，并对每类特征除和使用的vgg16处理后的特征文件如下：模型的关键之处在于：该部分主要代码如下：defnormalline(data):fori,csinenumerate(np.sum(data,axi

李上花开·2020-08-08 18:49

天池工业AI大赛-智能制造质量预测比赛历程和技术方案总结复赛48名

一、参赛研二导师的项目摸鱼结束后，思考了一下出路，项目和机器学习相关，重在特征提取的传统算法研究和目标识别的多样算法融合，简单说就是理论，MATLAB，推导三要素组成。

EWilsen·2020-08-08 16:32

python dlib学习（六）：训练模型

前言前面的博客都是使用dlib官方提供的训练好的模型，进行目标识别。

hongbin_xu·2020-08-08 16:43

语义SLAM的数据关联和语义定位（一）

得益于深度学习的快速发展，这些影响因素对于目标识别、语义分割来说已经不是最本质的困难，因此语义信息在高

weixin_30639719·2020-08-08 00:10

Faster-RCNN系列（一）制作自己的数据集Pascal_VOC格式

一、数据集准备我们在做目标识别时，大家都知道要有训练集、验证集以及测试集，当然数据集格式也有很多种，我们这里使用的是pascal_voc数据格式。

sage_wang·2020-08-08 00:57

深度学习新应用：在PyTorch中用单个2D图像创建3D模型

近年来，深度学习在解决图像分类、目标识别、语义分割等2D图像任务方面的表现都很出色。不仅如此，深度学习在3D图像问题中的应用也取得了很大的进展。

IT派·2020-08-06 11:48

推荐频道

目标识别